-
公开(公告)号：CN104942807B
公开(公告)日：2017-02-22
申请号：CN201510178542.2
申请日：2015-04-16
申请人： 上海大学
摘要： 本发明提供一种基于扩展式合作博弈的多机器人围捕目标方法，包括如下步骤：步骤一：对多机器人围捕的扩展式合作博弈模型进行数学建模；步骤二：制定机器人的运行策略；步骤三：围捕任务执行过程的制定；本发明使得围捕机器人在执行任务过程中可以有更加灵活的位置，它们可以快速的追赶目标，追赶过程中可以躲避障碍物和同伴，最后围堵在目标机器人周围，使得目标机器人无法从包围圈中逃脱。(56)对比文件杨萍等.基于博弈论的群体机器人围捕策略研究《.机械制造》.2014,第52卷(第597期),Jianwei Gong etc..A GA BasedCombinatorial Auction Algorithm forMulti-robot Cooperative《.InternationalConference on Computational Intelligenceand Security》.2007,
-
公开(公告)号：CN104808665B
公开(公告)日：2017-09-26
申请号：CN201510179769.9
申请日：2015-04-16
申请人： 上海大学
IPC分类号： G05D1/02
摘要： 本发明提出一种基于多目标人工蜂群算法的多机器人路径规划方法，属于路径规划技术领域，包括：路径规划问题的环境建模、多目标人工蜂群算法的参数初始化、三种蜜蜂迭代优化路径并确定非劣解集、排序保留优良路径和输出最优路径集合。本发明基于Pareto支配和拥挤距离的非支配排序的概念对标准人工蜂群算法进行改进，提出了适用于求解多目标优化问题的多目标人工蜂群算法。在路径规划过程中本算法可以考虑路径长度、平滑性和安全性等多个性能指标，并且一次路径规划可以获得一组Pareto最优路径。本发明提出的路径规划方法属于元启发式智能优化方法，不同于传统的单目标路径规划方法，能够更好的适应复杂环境中的路径规划任务。
-
公开(公告)号：CN104942807A
公开(公告)日：2015-09-30
申请号：CN201510178542.2
申请日：2015-04-16
申请人： 上海大学
CPC分类号： B25J9/1605 , G06F17/50 , G06F19/00
摘要： 本发明提供一种基于扩展式合作博弈的多机器人围捕目标方法，包括如下步骤：步骤一：对多机器人围捕的扩展式合作博弈模型进行数学建模；步骤二：制定机器人的运行策略；步骤三：围捕任务执行过程的制定；本发明使得围捕机器人在执行任务过程中可以有更加灵活的位置，它们可以快速的追赶目标，追赶过程中可以躲避障碍物和同伴，最后围堵在目标机器人周围，使得目标机器人无法从包围圈中逃脱。
-
公开(公告)号：CN104808665A
公开(公告)日：2015-07-29
申请号：CN201510179769.9
申请日：2015-04-16
申请人： 上海大学
IPC分类号： G05D1/02
摘要： 本发明提出一种基于多目标人工蜂群算法的多机器人路径规划方法，属于路径规划技术领域，包括：路径规划问题的环境建模、多目标人工蜂群算法的参数初始化、三种蜜蜂迭代优化路径并确定非劣解集、排序保留优良路径和输出最优路径集合。本发明基于Pareto支配和拥挤距离的非支配排序的概念对标准人工蜂群算法进行改进，提出了适用于求解多目标优化问题的多目标人工蜂群算法。在路径规划过程中本算法可以考虑路径长度、平滑性和安全性等多个性能指标，并且一次路径规划可以获得一组Pareto最优路径。本发明提出的路径规划方法属于元启发式智能优化方法，不同于传统的单目标路径规划方法，能够更好的适应复杂环境中的路径规划任务。
-
公开(公告)号：CN104473648A
公开(公告)日：2015-04-01
申请号：CN201410492510.5
申请日：2014-09-24
申请人： 上海大学
CPC分类号： A61B5/1117 , A61B5/0205 , A61B5/145
摘要： 本发明涉及一种结合生理参数监测的人体摔倒预警和检测方法。本方法首先采用移动手机、平板电脑等设备实时监测人体的生理参数，并进行分析来建立易摔倒模型，从而进行摔倒预警；其次，搭建了人体生理参数和运动数据的同步采集平台，以实现人体生理参数（如血氧饱和度、脉率、脉搏信号强度等）和运动数据（腰部髋骨位置的加速度、躯干瞬时角度）的同步采集。然后，提出结合人体生理参数和运动数据进行摔倒预警与检测模型，通过建立人体易摔倒模型来进行摔倒预警，同时提出了基于SVM的摔倒检测算法来进行摔倒的检测；最后，对采集的数据进行特征提取和缩放，得到相关特征属性，并结合类型信息组成训练集样本。通过对训练集的训练，得到的分类预测模型用于预测未知类型的样本的类别，并将摔倒活动中的特征向量加入训练数据集，用于下一轮的训练。
-
-
-
-
搜索结果
5 条记录 (耗时 0.019 秒)
